中国心血管病报告表明,心血管疾病的患病率和死亡率呈现逐年持续上升趋势,由于经皮冠状动脉介入手术具有创伤小、恢复时间短、安全性高等优点,许多医生已经将其作为治疗冠心病的主要方案。但是传统的介入手术面临着诸多挑战:a)在手术过程中,虽然医生穿着沉重铅衣,但是头部依然会暴露在X射线下,会对医生健康造成严重损害;b)医疗资源分配严重不均衡,多数心血管疾病患者不能接受有效治疗。而解决这些问题的有效途径就是使用机器人技术来辅助介入手术操作,机器人辅助技术其主要包括介入手术机器人辅助操作和图像引导下的视觉辅助操作。本文立足术中图像导航系统在临床的迫切需求,基于实验室已研制的血管介入手术机器人平台,结合国家自然科学基金重点项目“血管微创介入手术机器人的基础问题研究”(61533016)和国家重点研发计划数字诊疗装备研发专项课题“视觉引导下操作主从运动控制和软件系统工程”(2017YFC0110804),开展了术中介入器械的跟踪和运动路径识别方法的研究。本文首先对术中DSA冠脉图像进行去噪处理、然后对介入器械和手术路径识别的相关算法进行研究。本文的主要研究内容和贡献如下:第一,针对冠脉介入手术过程中DSA图像存在的噪声问题,本文提出了一种基于编码解码结构的图像去噪方法,利用卷积网络的学习能力,学习噪声图像到噪声的映射关系。进而实现图像去噪,为后续的图像导航系统提供高质量的视频序列。第二,针对传统方法对介入手术器械跟踪准确率低、实时性和鲁棒性差问题。本文提出了DSA图像增强的新方法,大大提高了检测网络的鲁棒性;提出了基于RPN和resnet-101的手术器械检测方法,显著提高了手术器械检测速度和准确率;最后提出了Canny边缘分割方法,得到了良好的分割结果。第三,针对导航系统中无法识别手术器械运动路径问题,本文提出了基于全卷积的手术运动路径识别方法。使用了更深的卷积层、加入跳跃连接、采用多图像输入、多特征融合输出的方式,最终得到了良好的路径分割结果。最后,对论文的工作进行了总结,并提出了下一步的工作计划。